摘要：针对一般异构线性多智能体系统的分布式资源分配问题,结合智能体动力学特性设计一类分布式优化算法,旨在实现扰动抑制的同时完成资源的最优分配.面对扰动模型已知干扰信号,本文利用智能体状态信息设计一种自适应分布式优化算法,其中拉格朗日(Lagrange)乘子对偶变量控制参数自动增加,直至拉格朗日乘子对偶变量达到一致.当智能体状态信息不可测时,本文将上述算法修改为基于输出反馈的分布式优化算法.当全局成本函数强凸时,借助拉萨尔(LaSalle)不变性引理证明上述所提算法渐近收敛到全局最优解.面对未知扰动信号,本文利用扩张状态观测器技术设计一种分布式优化算法.当未知扰动信号为常数或其微分趋于零时,利用李雅普诺夫(Lyapunov)理论证明上述算法渐近收敛至全局最优解.最后利用数值仿真验证上述算法有效.

摘要：针对水流模拟海况时存在的运动不受控以及常规海况模拟平台模拟海况等级低,运动自由度不足等问题,提出利用八自由度运动平台模拟高级海况环境进行海浪涌动测试的方法。设计了由直线运动平台、旋转机构和6自由度(6-DOF)并联机构组成的串并联混合八自由度高级海况环境仿真平台,其运动加速度大,自由度多,运动方式多样。基于Ether CAT实时总线技术设计了八轴七联动的运动控制算法,并采用惯量匹配技术抑制抖动和噪声,实现了宽惯量范围的精确、稳定、同步(小于1μs)控制。设计了基于外部信号接收器的实时精密补偿技术和双齿轮消隙技术,提高了速率精度和平稳性,定位精度达到10μm。设计了复合叠加摇摆、文件仿真、复合叠加摇摆与文件仿真叠加运动和实时仿真运动方式,可模拟到五级高海况或将实航数据回灌后模拟水下、水面或机载的运动,用于导航系统的姿态模拟测试。

摘要：针对一类非匹配不确定多输入多输出(Multi-input multi-output,MIMO)系统提出一种分数阶终端滑模控制(Fractional-order terminal sliding-mode,FOTSM)策略,使系统输出收敛到零而非其邻域.该方法解除传统反步法控制律设计中,虚拟控制增益右伪逆矩阵必须存在的严苛限制;对系统不确定性的假设不局限于慢时变和H2范数有界型扰动,分析控制增益存在摄动情况下系统的控制问题.分数阶终端滑模面及其控制律的设计使得虚拟和实际控制信号连续,削弱抖振现象,利用自适应滑模切换增益技术解决由控制增益矩阵摄动引起的代数环问题.最后,仿真分析验证所提方法的正确性和优越性.

摘要：障碍规避是无人机等自主无人系统运动规划的重要环节,其核心是设计有效的避障控制方法.为了进一步提高决策优化性和控制效果,本文在最优控制的设定下,提出一种基于强化学习的自主避障控制方法,以自适应方式在线生成安全运行轨迹.首先,利用障碍函数法在代价函数中设计了一个光滑的奖惩函数,从而将避障问题转换为一个无约束的最优控制问题.然后,利用行为–评价神经网络和策略迭代法实现了自适应强化学习,其中评价网络利用状态跟随核函数逼近代价函数,行为网络给出近似最优的控制策略;同时,通过状态外推法获得模拟经验,使得评价网络能利用经验回放实现可靠的局部探索.最后,在简化的无人机系统和非线性数值系统上进行了仿真实验与方法对比,结果表明,提出的避障控制方法能实时生成较优的安全运行轨迹.

摘要：近空间高超声速飞行器的特点给其建模和控制带来了新的问题.本文首先分析高超声速飞行器的特点,进一步给出大包络飞行的统一模型.其次,总结了高超声速飞行器巡航控制、再入姿态控制研究的现状,强调了弹性、非最小相位、再入制导控制一体化设计等问题.最后,结合高超声速飞行器的发展,阐述了高超声速目标的拦截问题,提供未来可供研究的方向.

摘要：单框架控制力矩陀螺(Single gimbal control moment gyroscope,SGCMG)具有高精度、快速响应的特点,是航天领域高精度对接、快速机动导航和制导系统的重要姿态控制系统。本文考虑多源干扰的影响,设计了一种基于数据的反馈再学习(Feedback relearning,FR)算法,用于SGCMG框架伺服系统的鲁棒控制。基于自适应动态规划和最小二乘原理,通过采集SGCMG系统的在线运行数据,采用FR算法得到伺服控制策略。这是一种无模型学习策略,无须事先了解SGCMG模型。进而,基于强化学习机制将伺服控制策略与SGCMG系统动态相互作用,可以实现伺服控制策略对多源干扰的自适应评估和改进。同时,设计了一种基于经验回放的数据重分配方法,降低了数据相关性,提高了算法稳定性和数据利用率。最后,在SGCMG仿真模型上与其他方法进行了比较,验证了所提出的伺服控制策略的有效性。

摘要：利用数据驱动控制思想,建立一种设计离散时间非线性系统近似最优调节器的迭代神经动态规划方法.提出针对离散时间一般非线性系统的迭代自适应动态规划算法并且证明其收敛性与最优性.通过构建三种神经网络,给出全局二次启发式动态规划技术及其详细的实现过程,其中执行网络是在神经动态规划的框架下进行训练.这种新颖的结构可以近似代价函数及其导函数,同时在不依赖系统动态的情况下自适应地学习近似最优控制律.值得注意的是,这在降低对于控制矩阵或者其神经网络表示的要求方面,明显地改进了迭代自适应动态规划算法的现有结果,能够促进复杂非线性系统基于数据的优化与控制设计的发展.通过两个仿真实验,验证本文提出的数据驱动最优调节方法的有效性.

摘要：为降低高超声速飞行器再入过程中,产生的气动热辐射对红外探测窗口性能的影响,从轨迹优化的角度,以再入飞行全程驻点总红外辐射为目标函数,提出了一种基于改进鲸鱼优化算法(Whale Optimization Algorithm,WOA)的高超声速飞行器轨迹优化算法。首先,通过Tent混沌映射和控制因子余弦变化改进WOA,改进算法位置更新时的位置指向性,增强算法全局搜索能力;同时,将再入轨迹优化问题转化为控制量剖面参数优化问题,采用倾侧角一次翻转策略,利用普朗克公式计算驻点红外辐射,并设计目标函数,利用阻力加速度再入走廊处理路径约束,采用罚函数法将终端约束同目标函数相结合;最后,利用改进的WOA对设计的控制量剖面进行参数寻优,获得使目标函数最优的解。仿真实验表明:文中改进的WOA能够有效完成全程总红外辐射最小的再入轨迹优化任务,全局搜索能力强,且具有较好的鲁棒性。

摘要：随着新能源装机量逐年提高,电网结构日趋复杂,针对新能源并网后导致的运行安全问题,本文提出一种基于最大熵强化学习的电网自主拓扑切换控制算法,为变电站和输电线提供切换策略。首先设计了基于模仿学习的神经网络预训练方案,提出了模仿学习-最大熵算法,解决了电网拓扑切换中面临的爆炸性动作组合空间问题和切换导致的脆弱性问题,智能体可在亚秒级内给出控制指令。基于IEEE 45节点算例对所提算法进行仿真验证,结果表明其具有较强的高效性与鲁棒性。

摘要：研究了一类连续时间Takagi-Sugeno模糊系统的镇定控制器设计问题,提出了一种新的基于模糊Lya-punov函数和阶梯隶属度函数的系统镇定条件.通过阶梯隶属度函数逼近原系统的隶属度函数,系统隶属度函数信息被引入到其镇定设计中,从而大大降低了现有T-S模糊控制系统镇定设计的保守性.与已有基于模糊Lyapunov函数的连续T-S模糊系统的镇定设计不同,所提出的镇定条件不依赖于隶属度函数的导数,因此具有较少保守性.此外,所得镇定条件可表示为一组线性矩阵不等式,而不是双线性矩阵不等式,因而可以利用凸优化算法方便地进行求解.仿真实例表明了所提方法的有效性.